Dolomite 正在开创从手动设置风险参数到动态、算法调整模型的转变，这些模型能够响应实时市场条件。根据 Chaos Labs 的风险分析数据，使用动态参数的协议在波动事件中经历的有毒清算少了 40%，同时保持相同的安全水平。Dolomite 的方法涉及机器学习模型，这些模型分析 15 个不同的市场指标，包括波动性、流动性深度和相关性数据，以建议每个独立池的最佳参数。这些建议然后通过社区治理得到确认，创造出一个结合了算法效率和人类监督的系统。
这种混合方法的有效性通过最近的市场事件得以证明。在11月12日的市场波动中，BTC在2小时内下降了5%，Dolomite的算法自动将高波动性资产的LTV比例收紧了3-5%，防止了估计为$450,000的不足抵押头寸，这在静态参数下本会发生。与此同时，稳定币池保持其现有参数，避免了对生产活动的不必要限制。这种微妙的反应在许多竞争对手使用的一刀切方法下是无法实现的。来自DefiSafety的协议审计数据为Dolomite的风险管理复杂度打出了95%的高分，这是Arbitrum上借贷协议中最高的分数。
风险管理创新的路线图包括几个突破性的特征。正在开发中的风险预言网络将创建一个去中心化的风险评估市场，让多个提供者竞争以提供最准确的参数。跨风险对冲功能将允许在不同池之间自动对冲头寸，降低系统性风险。最雄心勃勃的是基于AI的压力测试模拟将持续运行最坏情况分析，主动识别漏洞，以防止它们被利用。随著DeFi的成熟，这种对风险管理的复杂方法将可能成为行业标准，Dolomite将在这个领域确立其思想领导地位。
问题：风险参数应该完全由算法设定，还是仍然需要人类监督？
@Dolomite #Dolomite #RiskManagement #FIT21 #algorithm #INNOVATION
